En oändligt föränderlig lekplats lär AI: er hur man multitaskar

DeepMind

DeepMind har utvecklat en stor godisfärgad virtuell lekplats som lär AI:s allmänna färdigheter genom att oändligt ändra de uppgifter som den ger dem. Istället för att bara utveckla de färdigheter som behövs för att lösa en viss uppgift, lär sig AI:erna att experimentera och utforska och plocka upp färdigheter som de sedan använder för att lyckas med uppgifter de aldrig sett förut. Det är ett litet steg mot allmän intelligens.

Vad är det? XLand är en videospelsliknande 3D-värld som AI-spelarna känner i färg. Lekplatsen sköts av en central AI som sätter spelarna miljarder olika uppgifter genom att ändra miljön, spelreglerna och antalet spelare. Både spelarna och lekplatschefen använder förstärkningsinlärning för att förbättra genom att prova och missa.

Relaterad berättelse

Artificiell allmän intelligens: Är vi nära, och är det ens vettigt att försöka?

En maskin som kunde tänka som en person har varit den vägledande visionen för AI-forskning sedan de första dagarna – och är fortfarande dess mest splittrade idé.

Under träningen möter spelarna först enkla enspelarspel, som att hitta en lila kub eller att placera en gul boll på ett rött golv. De går vidare till mer komplexa multiplayer-spel som kurragömma eller fånga flaggan, där lag tävlar om att vara de första att hitta och ta tag i motståndarens flagga. Lekplatschefen har inget specifikt mål utan strävar efter att förbättra spelarnas allmänna förmåga över tid.

Varför är det här coolt? AI:er som DeepMinds AlphaZero har besegrat världens bästa mänskliga spelare i schack och Go. Men de kan bara lära sig ett spel åt gången. Som DeepMinds medgrundare Shane Legg uttryckte det när jag pratade med honom förra året, är det som att behöva byta ut din schackhjärna mot din Go-hjärna varje gång du vill byta spel.

Forskare försöker nu bygga AI:er som kan lära sig flera uppgifter samtidigt, vilket innebär att lära dem allmänna färdigheter som gör det lättare att anpassa sig.

Efter att ha lärt sig att experimentera improviserade dessa bots en ramp

DJUPSINNE

En spännande trend i denna riktning är öppet lärande, där AI:er tränas i många olika uppgifter utan ett specifikt mål. På många sätt är det så människor och andra djur verkar lära sig, via planlös lek. Men detta kräver en enorm mängd data. XLand genererar denna data automatiskt, i form av en oändlig ström av utmaningar. Det liknar POET , en AI-träningsdojo där tvåbenta bots lär sig att navigera i hinder i ett 2D-landskap. XLands värld är dock mycket mer komplex och detaljerad.

XLand är också ett exempel på AI lär sig att göra sig själv , eller vad Jeff Clune, som hjälpte till att utveckla POET och leder ett team arbetar med detta ämne på OpenAI, anropar AI-genererande algoritmer (AI-GA). Det här arbetet tänjer på gränserna för AI-GA, säger Clune. Det är väldigt spännande att se.

Relaterad berättelse

AI lär sig att skapa sig själv

Människor har kämpat för att göra verkligt intelligenta maskiner. Vi kanske måste låta dem fortsätta med det själva.

Vad lärde de sig? Några av DeepMinds XLand AI: er spelade 700 000 olika spel i 4 000 olika världar och stötte på 3,4 miljoner unika uppgifter totalt. Istället för att lära sig det bästa man kan göra i varje situation, vilket är vad de flesta befintliga förstärkningslärande AI:er gör, lärde sig spelarna att experimentera – flytta runt föremål för att se vad som hände, eller använda ett föremål som ett verktyg för att nå ett annat föremål eller gömma sig bakom — tills de klarar den specifika uppgiften.

I videorna kan du se AI:erna kasta runt föremål tills de snubblar på något användbart: en stor bricka, till exempel, blir en ramp upp till en plattform. Det är svårt att säkert veta om alla sådana utfall är avsiktliga eller lyckliga olyckor, säger forskarna. Men de händer konsekvent.

AI:er som lärde sig att experimentera hade en fördel i de flesta uppgifter, även sådana som de inte hade sett tidigare. Forskarna fann att efter bara 30 minuters träning på en komplex ny uppgift, anpassade sig XLand AI snabbt till den. Men AI:er som inte hade tillbringat tid i XLand kunde inte lära sig dessa uppgifter alls.

Dölj